[发明专利]车辆信息处理方法、装置、计算机设备和存储介质在审
申请号: | 202111514917.X | 申请日: | 2021-12-13 |
公开(公告)号: | CN114187449A | 公开(公告)日: | 2022-03-15 |
发明(设计)人: | 杨尚航 | 申请(专利权)人: | 中国工商银行股份有限公司 |
主分类号: | G06V10/26 | 分类号: | G06V10/26;G06V20/62;G06F16/903;G06N3/04;G06N3/08 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 魏宇星 |
地址: | 100140 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车辆 信息处理 方法 装置 计算机 设备 存储 介质 | ||
1.一种车辆信息处理方法,其特征在于,所述方法包括:
响应于车辆信息的录入请求,获取所述录入请求中的车辆图像和车辆信息;
将所述车辆图像输入预先训练的车牌识别模型,得到所述车辆图像中的车牌信息;所述预先训练的车牌识别模型基于多任务卷积神经网络构建得到;
基于所述车牌信息对所述车辆信息进行验证,若验证通过则根据所述车牌信息存储所述车辆信息。
2.根据权利要求1所述的方法,其特征在于,在将所述车辆图像输入预先训练的车牌识别模型之前,还包括:
将样本训练数据集输入待训练的车牌识别模型,根据车牌识别模型输出的识别结果确定第一损失函数和第二损失函数;
根据所述第一损失函数和第二损失函数,确定总损失函数;
基于所述总损失函数,调整所述待训练的车牌识别模型的权重参数,重复将所述样本训练数据集输入待训练的车牌识别模型的步骤,直到所述总损失函数小于预设损失阈值,得到所述预先训练的车牌识别模型。
3.根据权利要求2所述的方法,其特征在于,所述根据车牌识别模型输出的识别结果确定第一损失函数和第二损失函数,包括:
根据所述车牌识别模型输出的识别结果中的车牌预测坐标与车牌真实坐标之间的损失值,确定第一损失函数;
根据所述车牌识别模型输出的识别结果中的车牌预测位置与车牌真实位置之间的偏移量,确定第二损失函数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一损失函数和第二损失函数确定总损失函数,包括:
获取所述第一损失函数对应的第一权重和所述第二损失函数对应的第二权重;
获取所述第一损失函数与所述第一权重之间的第一乘积,以及所述第二损失函数与所述第二权重之间的第二乘积;
根据所述第一乘积和所述第二乘积,确定总损失函数。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述基于所述车牌信息对所述车辆信息进行验证,包括:
判断数据库中是否存在与所述车牌信息匹配的历史车辆信息;
若存在所述历史车辆信息,则将所述车辆信息与所述历史车辆信息进行对比,得到对比结果;
根据所述对比结果中,所述车辆信息与所述历史车辆信息不一致的数据,生成异常验证信息,将所述异常验证信息发送至预设终端处理,根据所述预设终端返回的处理结果确定验证结果。
6.根据权利要求5所述的方法,其特征在于,所述将所述异常验证信息发送至预设终端处理,包括:
从预设的权限关系信息中获取与所述车牌信息匹配的审核权限;
根据所述审核权限确定对应的预设终端;
将所述异常验证信息发送至所述预设终端。
7.一种车辆信息处理装置,其特征在于,所述装置包括:
请求响应模块,用于响应于车辆信息的录入请求,获取所述录入请求中的车辆图像和车辆信息;
车牌识别模块,用于将所述车辆图像输入预先训练的车牌识别模型,得到所述车辆图像中的车牌信息;所述预先训练的车牌识别模型基于多任务卷积神经网络构建得到;
信息验证模块,用于基于所述车牌信息对所述车辆信息进行验证,若验证通过则根据所述车牌信息存储所述车辆信息。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国工商银行股份有限公司,未经中国工商银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111514917.X/1.html,转载请声明来源钻瓜专利网。